MiniMax 发布并开源了自家最新的 H3 Image 模型。该模型的效果已经达到了第一梯队，是开源 SOTA 图像生成与编辑模型，同时具备速度、画面质量、指令遵循三个方面的竞争力。最多支持添加 16 张参考图，支持 1K/2K/4K 图片生成。
可以看到最后的生成效果还是很不错的，每个角色的外形和穿着风格全都保持了一致。而且它的生成速度是市面上主流生图模型的 5 倍，实测一张 4K 图只需 10 秒就能生成出来，成本仅需竞品的 50%~70%。
CAD 三视图
工程制图一直是生图模型的重灾区，尤其是 CAD 风格的图片，对细节要求更高。先制作一张机甲图，然后输入提示词：把图 1 机甲转成 CAD 工程图，包含正、侧、顶三视图，保留背包、肩甲和武器结构，补中心线、隐藏线与部件标注。
大二十秒左右，一张 CAD 风格的三视图就制作完成了。仔细对比原图，基本上所有细节都保持一致，精细程度很高。
线稿图转换
准备两张参考图，提示词：保留图片 1 中人物的原始风格，摆出图片 2 中的姿势。连续测了好几张，人物动作和姿势都很好的参考了线稿图。
生成黄仁勋道歉信
为了测试 H3 Image 的文字功底，生成了一份包含全文的实拍图。在如此多文字堆积的情况下，依旧能保持清晰不崩坏。
生成游戏画面
游戏场景考验模型的知识储备和审美。先生成一组《我的世界》风格的游戏画面：Minecraft 游戏画面，第一人称视角，场景是纽约市中心街道。
3D 风格游戏画面
再测一组 3D 像素风游戏画面，不同场景下的表现都很稳定。
创意海报与自媒体封面
AI 生成活动海报考验模型的设计能力。给人物图和一句简单的提示词，生成效果相当不错。还有复古胶片风格海报的表现也很好。
电商场景
目前 AI 生图应用最多的场景是电商领域。随手拍一张照片，给一句简单的提示词让它生成海报，主要测试设计能力和产品一致性。很快生成了全套电商图，质感很棒，产品一致性也没问题。
总结
H3 Image 作为开源 SOTA 模型，在速度、质量和指令遵循上都表现优异。支持多参考图、高分辨率输出和极低的生成成本，无论是专业设计师还是普通用户都能从中受益。
